موقعیت جدید ذره در هر بعد مطابق با معادله به روز رسانی موقعیت که در زیر ارائه شده است محاسبه میگردد:
position[ t+1]= position[t] + v[t]
که همانند پارامترهای معادله به روز رسانی سرعت، v[]سرعت ذره و position []محل فعلی ذره هستند که هر دو آرایه هایی به طول تعداد ابعاد مساله میباشند]۶۹[
۴-۸) گام های الگوریتم PSO استاندارد
مقداردهی اولیه
برای هر نمونه در جمعیت جاری، میزان شایستگی هر نمونه محاسبه شود و ب ا مقدار ذخیره شده در حافظه Pbest) ) مقایسه شده و بعنوان بهترین مقدار Pbest ذخیره شود .
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

بهترین جواب جمعیت جاری مشخص شود gbest))
برای هر نمونه در جمعیت مراحل زیر تکرار شود:
الف ( سرعت نمونه با استفاده ازرابطه بروز رسانی سرعت تنظیم شود.
ب) مکان هر نمونه با بهره گرفتن از رابطه بروز رسانی موقعیت بروزرسانی شود.
۵) به مرحله ۲ بروید.
در هر مرحله زمانی، این الگوریتم تکاملی چندین مرتبه (نسل) تکرار می شود. شرط خاتمه الگوریتم همگرایی تا حد معین و یا توقف بعد از تعداد معینی تکرار است.
۴-۹) شبه کد الگوریتم PSO
در این بخش شبه کد الگوریتم ارائه شده است که به صورت زیر میباشد]۷۰[
For each particle
Initialize particle
End For
Do
For each particle
Calculate fitness value of the particle fp
/*updating particle’s best fitness value so far)*/
If fp is better than pBest
set current value as the new pBest
End For
/*updating population’s best fitness value so far)*/
Set gBest to the best fitness value of all particles
For each particle
Calculate particle velocity according equation (v)
Update particle position according equation (p)
End For
While maximum iterations OR
minimum error criteria is not attained
۴-۱۰)طراحی الگوریتم پیشنهادی:
الگوریتم POS یک الگوریتم برمبنای جمعیت می­باشد که بهینه سازی این روش الهام گرفته از پرواز دسته پرندگان می­باشد. این تکنیک علاوه بر عملکرد مناسب دارای زمان محاسباتی مقرون به صرفه نیز می­باشد.با توجه به این ویژگی­ها الگوریتم PSO در بین محققین توجه بسیاری را به خود جلب کرده است.
در الگوریتم PSO چند جواب به طور همزمان در کنار هم قرار می­گیرند. هر جواب از میان مجموعه ای از جواب جستجو می­ شود درحالی که سیر جستجو از پرواز گله پرندگان الهام گرفته شده است. در ادامه یک الگوریتم بهبود یافته PSO که از ترکیب الگوریتم PSO و الگوریتم ژنتیک حاصل شده است برای بروزرسانی و بهبود ذرات استفاده می­کنیم. توسعه ­های متعدد جهت بهبود عملکرد این الگوریم ترکیبی ارائه شده که در ادامه به آنها اشاره می­کنیم:
برای نحوه نمایش جواب ها همانند نحوه نمایش جواب در الگوریتم ژنتیک می باشد.
اکثر الگوریتم های PSO از فرمول­های بروزرسانی برمبنای بهترین جواب ( Pbest-Gbest-based ) استفاده می­ کنند. در الگوریتم پیشنهادی جهت بروزرسانی ذرات از عملگرهای ژنتیکی استفاده می­گردد.
جزییات الگوریتم PSO ترکیبی پیشنهادی به صورت زیر می­باشد:
نحوه نمایش: نحوه نمایش جواب ها در این الگوریتم مشابه کروموزوم در الگوریتم ژنتیک می باشد که به صورت زیر تعریف می گردد.
نحوه نمایش جواب در الگوریتم مورد نظر شامل دو بخش می باشد که یک بخش مربوط انجام کارها روی ماشین ها و بخش دیگر مربوط به توالی کارها روی ماشین ها می باشد.
هر کروموزوم شامل یک ماتریس با ابعاد ( تعداد کار * تعداد ماشین ) می باشد که هر سطر این ماتریس مربوط به یک ماشین و ستون های آن نماینده کارها می باشند. هر سلول از این ماتریس شامل دو ارزش می باشد، یک ارزش ارائه دهنده بخش اول بوده که مشخص می کند که آیا کار مورد نظر روی ماشین مربوطه قرار دارد یا خیر که با یک عدد باینری نمایش داده می شود و ارزش دوم مربوط به بخش دوم می باشد که نشان دهنده الویت انجام کارها روی ماشین ها می باشد که با یک عدد در بازه [۰ ۱] نشان داده می شود. شکل— ساختار دو کروموزم را برای یک نمونه با ۴ کار و ۲ ماشین، ارائه می کند.
۰.۱
۰.۷
۰.۵
۰.۳
۰.۴
۰.۹
۰.۲
۰.۴
۰